матрица matlab функционирует в Java
Computerworld недавно сделал интервью с Alfred V. Aho (один из трех создателей AWK) о AWK. Это - довольно интересное чтение. Таким образом, возможно, Вы найдете некоторые подсказки в нем, почему это - хорошая идея, изучают AWK.
2 ответа
Colt может быть самым быстрым.
«Colt предоставляет набор библиотек с открытым исходным кодом для высокопроизводительных научных и технических вычислений на Java». «Например, проект IBM Watson Ninja показали, что Java действительно может выполнять вычисления матрицы BLAS на 90% быстрее, чем оптимизированный Fortran. "
JAMA !
" JAMA - это базовый пакет линейной алгебры для Java. Он предоставляет классы пользовательского уровня для построения и управление реальными плотными матрицами ».
Или Efficient Java Matrix Librar y
« Эффективная библиотека Java Matrix Library (EJML) - это библиотека линейной алгебры для управления плотными матрицами. Ее цели проектирования: 1) быть максимально эффективными с вычислительной точки зрения как для малых, так и для больших матриц и 2) быть доступными как для новичков, так и для экспертов »
.Просто наткнулся на эту публикацию и подумал, что я бы бросил свои два цента. Я автор EJML, и я также работаю над тестом производительности и стабильности для библиотек Java. Хотя несколько вопросов попадают в определение того, как быстро алгоритм, Михаил правильно, что кэширование является очень важной проблемой в производительности больших матриц. Для небольших матриц библиотеки наверху становится более важным.
Из-за накладных расходов в доступе массива чистые библиотеки Java медленнее, чем высоко оптимизированные библиотеки C, даже если алгоритмы точно такие же. Некоторые библиотеки получают по этому вопросу, делая звонки на родной код. Возможно, вы захотите проверить
http://code.google.com/p/matrix-toolekits-java/
, который имеет значение именно. Будет некоторые накладные расходы в копировании памяти от Java в родную библиотеку, но для больших матриц это незначительна.
Для ориентира на производительность чистого Java (тот, на котором я работаю) Оформить:
http://code.google.com/p/java-matrix-benchmark/
Другой ориентир Здесь:
http://www.ujmp.org/java-matrix/benchmark/
Любое из этих ориентировчиков должно дать вам хорошее представление о производительности для больших матриц.